编者按：本文经公众号“环球科学ScientificAmerican”（ID: huanqiukexue）授权转载。

本文是《环球科学》总编、社长陈宗周先生撰写的系列专栏“AI传奇”的第九回。在这一回中，陈宗周先生将为我们讲解AI在医疗健康行业的应用。从疾病诊断、 手术机器人、药物研制再到远程医疗，AI正以超乎我们想象的速度改变着人类看病就医的方式。这道由AI构筑的屏障，将牢牢守护着我们的健康。

图：陈宗周是《环球科学》杂志社社长，《电脑报》创始人。

2017年1月25日，一篇有影响的文章发表在权威科学刊物《自然》（nature）网站上，文章题目是《用深度神经网络对皮肤癌进行皮肤病专家水平的分类》（Dermatologist level classification of skin cancer with deep neural networks）。

这篇文章引起广泛关注，是因为它披露出一个事实——依靠AI的深度学习（深度神经网络）技术，机器现在已经能够达到人类皮肤病专家的水平。

《自然》报道的，实际上是一场皮肤病诊断的人机大战。科学家先让一个深度神经网络分析学习了近13万张皮肤病临床图片，涵盖了2023种皮肤疾病。然后，21 位医生受邀，与机器展开了两场皮肤癌诊断能力的比赛。第一场是区分角质细胞癌和良性脂溢性角化病；第二场区分恶性黑色素瘤和良性痣。结果，AI正确识别良性和恶性病变的综合灵敏度达到91％，打败了多名皮肤科医生。

消息一出，大家纷纷议论：以后，皮肤病患者用手机拍一张照片，直接转给电脑医生，不就行了吗？现在的皮肤科医生，会不会失业？

▍AI与医学影像

这不是AI医生的第一次出场。2016年11月，谷歌的研究者在《美国医学协会杂志》（Journal of the American Medical Association）上发表文章，介绍他们采用深度学习算法的软件精确分析视网膜照片，对糖尿病性视网膜病变的诊断，已经达到眼科医生的水平。

谷歌邀请印度和美国的医生，共同创建了一个包含12.8万张图片的开发数据集，对算法进行训练。然后，用9963张图片作为验证集，请来8位医生和机器进行诊断比赛。

这场竞赛人类医生也败下阵来。机器得到的F-Score值（F-Score即F分数，可衡量识别、分类的准确性，最高值为1）为0.95，而8位眼科医生获得的F-Score值，中位数值为0.91。

中国的医疗服务公司Airdoc也开发出类似的糖尿病性视网膜病变诊断系统。他们从国内外医院收集了数十万张眼底照片，构建超过100层的卷积神经网络，持续训练超过120小时，生成诊断模型，在糖尿病性视网膜病变辅助诊断中，灵敏性和特异性等主要指标都达到了和人类医生相当的结果，诊断准确性与三甲医院资深眼科医生持平。

受AI影响的，当然不止于皮肤科、眼科。AI全面应用于医疗服务，已经有很长一段时间。机器医生的上述表现看起来神奇，但在AI专家眼里，这些医疗应用都属于计算机视觉中的图像识别范畴，而大数据支持的图像识别技术，机器的表现已经在很多方面超过了人类，在医学影像领域展现实力，属于正常发挥。

医学影像处理，是医疗中关键而繁重的工作。随着X光、CT、B超、核磁共振等医学检测手段越来越频繁应用于临床检查，医学影像数据爆炸性增长。目前的医学数据中，有90%是医学影像数据，而每年医学影像数据的增加速度，远远超过放射科医生的增加速度。在中国，医学影像数据的年增长率约为30%，放射科医师数量的年增长率约为4.1%，两者的差距是25.9%；而在美国，上述数据分别为63.1%和2.2%，两者差距高达60.9%。放射科医师数量增长远不及影像数据增长，这意味着未来影像数据处理的压力会越来越大，甚至远远超过负荷。

医学数据依赖人工分析，还导致了明显的缺陷：医生凭借经验去判断，而经验总是有限的，这样，常常难以做到准确分析，甚至造成误判。中国医学会的资料显示，中国临床医疗每年的误诊人数约为5700万人，美国为1200万，考虑人口因素，两国的误诊水平相当。美国初诊误诊率为30%，中国临床医疗总误诊率为 27.8%，恶性肿瘤平均误诊率为40%，如鼻咽癌、白血病、胰腺癌等的平均误诊率都在40%以上。

在这样的背景下，临床医疗迫切需要改变现状，AI进入医学影像领域，恰逢其时。成立于2014年1月的Enlitic医学影像公司，用深度学习算法对X光、CT、超声波、MRI（核磁共振）等医学影像资料进行处理，辅助医疗诊断。2016年6月，Enlitic被《麻省理工科技评论》评为了“全球50家最智能的公司”之一。在临床试验中，公司的恶性肿瘤检测系统的肺癌诊断准确率比放射科专家高出50%，而所用时间只有医生的1/50000。乳腺癌淋巴结转移诊断中，AI算法的误诊率为7.5％，当病理学家用该算法做辅助诊断时，误诊率被进一步降至0.5％。

国内的AI影像公司DeepCare也做过类似工作。他们请了4位分别来自北京的特级三甲、普通三甲和地方三甲医院的医生看70张疑似乳腺癌转移的医学影像片。4名医生的年资分别是40、30、20和10年，与智能机器人同时读片。结果是，40年经验医生诊断准确率98％以上，而其他3名医生诊断的平均准确率在70％。而智能机器人诊断准确率达到了93％，两个月后提升到了95％。

专注于心血管影像的Arterys公司，提供的AI技术不仅能使MRI影像从任意角度显示心脏3D结构，还使血液流动随时间变化情况也可准确呈现。这项技术2016年11月通过FDA（美国食品与药品管理局）审批，给心血管疾病的核磁图像处理带来突破性的进展。

世界著名的AI公司高度重视医疗领域的应用，纷纷加快了进军的步伐。打败李世石的AlphaGO，出自谷歌的DeepMind，而这家全球顶尖的AI公司在2016年7月宣布进入医疗领域，与英国国家医疗服务体系NHS（ National Health Service）、摩尔菲尔兹（Moorfields）眼科医院合作，开发眼科疾病机器诊断系统。通过合作，DeepMind分享了约一百万幅眼部扫描图，对视网膜的精细扫描数据，精细程度超过身体任何部位，甚至能看到细胞。DeepMind的深度学习算法，可快速准确识别眼老年黄斑变性、糖尿病视网膜病变等疾病的早期征兆，从而达到提前预防和治疗的目的。他们合作的初步结果，我们在前面已经看到了。

IBM更走在了前面。1997年用深蓝电脑打败国际象棋世界冠军卡斯帕罗夫的IBM，后来进一步开发出超级电脑沃森（Watson），2011年，在美国最受欢迎的智力竞赛电视节目《危险边缘》中，击败该节目历史上两位最成功的选手肯·詹宁斯和布拉德·鲁特。IBM沃森这一强大的AI系统，早已在医疗领域深耕多年，其中医学影像处理是重点。IBM沃森先后于2015年10月和2016年2月收购医疗影像分析公司Merge Healthcare和医疗数据公司Truven Health Analytics，使其在医学影像方面有很大的优势。2016年8月，IBM沃森的癌症诊断机器人登陆中国，开始为癌症患者提供精准的个性化服务。

图：DeepMind与NHS已经达成合作协议

▍手术机器人

AI在医疗领域的应用非常广阔。外科手术治疗中，早已出现机器人的身影。有名的手术机器人达芬奇，上世纪90年代就开始上岗。达芬奇手术机器人的正式名称是 “内窥镜手术器械控制系统”，是美国直觉手术机器人公司（Intuitive Surgical）的产品，这家公司1995年就成立，技术源于斯坦福研究所（SRI），20世纪80年代末，手术机器人的研发就从那里开始。

达芬奇机器人1996年推出第一代，2006年推出的第二代，不但机械手臂活动范围更大了，还允许医生在不离开控制台的情况下进行多图观察。2009年推出了第三代，增加了双控制台、模拟控制器、术中荧光显影技术等功能。第四代于2014年推出，灵活度、精准度、成像清晰度等方面有了质的提高，还支持远程观察和指导系统。

达芬奇手术机器人是目前全球最成功及应用最广泛的手术机器人，广泛适用于普外科、泌尿科、心血管外科、胸外科、妇科、五官科、小儿外科等。达芬奇手术机器人 在前列腺切除手术上应用最多，现在已越来越多地应用于心脏瓣膜修复和妇科手术中。也开始进入中国的协和医院等医疗机构。

达芬奇手术机器人主要由3个部分组成：1、医生控制系统；2、三维成像视频影像平台；3、机械臂，摄像臂和手术器械组成移动平台。实施手术时主刀医师不与病人直接接触，而是通过三维视觉系统和动作定标系统操作控制，由机械臂以及手术器械模拟完成医生的技术动作。手术时，主刀医生坐在无菌区外的控制台中，使用双手及脚来控制器械和一个三维高清内窥镜，机器人随着医生的控制同步动作。

图：达芬奇手术机器人

达芬奇虽然是目前世界上最先进的机器人手术系统，但还是需要医生主刀，实际上只是延长了医生的手臂，没有解放双手，这就使得手术精确度还有提升的空间。美国国家儿童医疗系统（Children's National Health System）的研究人员认为需要对这一现状进行改进，开发出解放医生双手的自主手术机器人，提高手术的效率和安全性。2015年5月，他们研发的自主手术机器人STAR公之于众，研究成果刊登在著名期刊《科学》的“转化医学”子刊上。

为了显示STAR的效率和安全性，研究团队将STAR与熟练的外科医生、达芬奇机器人三者做了比较，各自完成复杂性比较高的肠吻合手术。选择在这个手术上一较高低，是因为每年美国有100多万患者需要做这个手术。从研究论文看，STAR明显胜出。于是，机器人手术超过医生这样的报道就出现在媒体上。按计划，STAR将会在2018年进入临床，首先会应用于胆囊和阑尾的切除手术。

随着AI发展，千姿百态的手术机器人将会出现在医疗服务中。

▍精准医学与新药研制

AI的重要作用，同样表现在推动精准医学的发展。早在2011年，美国科学院、美国工程院、美国国立卫生研究院及美国科学委员会共同发出“迈向精准医学”的倡 议。著名基因组学家梅纳德·奥尔森（Maynard V.Olson）参与起草的美国国家智库报告《走向精准医学》正式发表。报告提出遗传关联研究和与临床医学紧密结合，实现人类疾病精准治疗和有效预警。2015年1月20日，奥巴马在国情咨文演讲中提出了“精准医学” （Precision Medicine）计划，1月30日又决定在2016财年向该计划投入2.15亿美元，推动个性化医疗的发展。

图：奥巴马提出“精准医学”计划

精准医学有明确的目标。短期目标是癌症治疗，长期目标是健康管理。这些目标的达成，需要AI扮演重要角色。

简单地说，“精准医学”是指根据每个病人的个人特征，量体裁衣式地制定个性化治疗方案。而要做到这一点，需要大数据的支持。现在医学大数据涵盖的个人信息越来越广泛，包括电子健康档案、医疗保险信息、个人药品与疾病信息、个人保健活动信息、可穿戴设备健康信息、遗传检测信息、健康管理报告等等，甚至社交媒体上的个人相关信息，都有可能纳入大数据管理。这样详细的个人大数据的采集、管理、挖掘、利用，必须通过AI技术来实现。

癌症治疗被选择成为精准医学的短期目标，因为这是常见而引起恐惧的疾病。随着人口老龄化进程加快，癌症已是全球主要死亡原因。精准医学对癌症的治疗，已经显示出可喜的初步成果。被称为精准医学先锋的美国肿瘤医生内德·贾瓦迪（Nader Javadi）做了很好的示范。他利用“未来基因测序” （The Next Generation Gene Sequencing）技术，详细分析肿瘤标本中逾100种的癌症相关基因，并通过肿瘤中的基因突变信息，结合患者癌细胞独特的基因特征进行确诊。选定对患者最有效的用药方案，并首先将免疫治疗、化疗、靶向治疗、生物治疗等综合应用，收到了很好的效果。他的患者中，有一部分是已经被知名癌症中心，如安德森癌症中心（MD Anderson）、西达-赛奈医疗中心（Cedars-Sina）都放弃治疗的四期（晚期）癌症患者。2014年，他接受了25个这样的患者，在采用精 准医学治疗三个月之后，所有患者的生存时间都比预期加长了，大部分患者的癌细胞消失40％到60％，个别患者的癌细胞消失了90％。贾瓦迪等医生的实践， 让精确医学在癌症治疗中燃起希望之光。

新药研制，也是AI正在发力的重要医学领域。迄今为止，开发新药是漫长而且低效率的工作。数据表明，进入临床试验阶段的药物，只有不到12%的药品最终能上市销售，而一款新药的平均研发成本高达26亿美元。 新药研制中，研发人员需要对种类繁多的化合物进行非常复杂的实验。选定了可能的化合物，还要通过细胞、动物、人体临床试验这一道道关口，每道关口都会可能发现大小错误，往往不得不回到研究的原点。由于不断试错的高成本和低效率，迫使越来越多的药物开发厂商不得不转向AI求助，希望利用新技术来改变新药研制现状。

研究人员估计，大约15%~20%的新药研发成本都耗费在探索阶段。通常情况下，这意味着高达几亿美元的支出，以及3-6年的研发时间。如今，有人希望通过AI将这一过程缩短至几个月，并大幅降低研发成本。虽然目前市场上还没有一款药物是AI挑选出来的，但是研究人员正在走上正轨。

BenevolentAI 是一家英国AI公司，2017年与强生制药公司（Janssen）签署了开发协议。强生公司提供公司开发的临床阶段候选药物，AI进行临床二期b阶段的试 验（新药临床试验中，临床二期a阶段会先入组少量受试者，确立合适的治疗剂量；b阶段则是在a阶段有效组的基础上扩大样本量，明确有效性、安全性等）。

2017年2月，日本眼科学巨头桑登（Santen）与美国硅谷帕洛阿尔托的两眼医院签署了协议，利用AI驱动的技术来确定青光眼候选药物。两家欧洲公司Pharnext和Galapagos合作，也把AI算法模型用于寻找神经变性疾病的新药。

好消息开始传来。2016年秋天，TwoXAR公司与斯坦福大学亚洲肝脏中心（Asian Liver Center）合作，筛选了25000名潜在的成人肝癌候选人。研究人员通过遗传、蛋白质组学、药物和临床数据库，用AI筛选出10种可能的治疗方法。亚洲肝脏中心的主任塞缪尔·苏（Samuel So）对他们的筛选名单感到非常惊讶，因为它包括了中心研究人员的几项预选方案。其中最有希望的方案，可以杀死5种不同的肝癌细胞系而不伤害健康细胞。这种新药现在正准备进入人体试验阶段。目前，针对同一癌症的唯一药物花费了5年时间才获得了FDA批准，而TwoXAR和斯坦福大学合作，才短短四个月就可进入人体试验阶段。

对于新药研制这样的长周期和高失败率的行业，即使小的成功也可能带来数十亿美元的收益，而且挽救无数人的生命。人们期待，AI在药物研制方面发挥巨大作用。

▍远程医疗

我们在家里也能够随时得到电脑医生的帮助吗？在现在的医学搜索引擎和各类医学网站上的医生问答服务之外，我们未来可能有新的选择，加拿大的问医生（Ask The Doctor）全球医生平台，正准备逐步采用AI医生来帮助我们解决所有的医疗健康求助。

Ask The Doctor平台2010年创立于加拿大多伦多，目的是让患者迅速获得全世界医疗专家的建议。在这个平台上上面不仅可以向医生提问，还可以选择匿名上传完整的病例历史，让医生提供更准确、成熟的建议。这一切都是免费的。

在Ask The Doctor回答问题的医生目前来自全球各地，但是，AI医生未来将取代人类医生。Ask The Doctor创建者们认为，AI医生与人类医生相比，最大的好处就是能让患者一气呵成地详细描述自己的病情。据统计，北美医生在问诊时平均每12~23秒 钟就会打断患者一次，这不便于患者的完整表达和医生的全面理解。AI医生比人类医生更善于倾听，这就是Ask The Doctor选择AI的重要原因。

而且，患者不直接面对人类医生，加之允许匿名，会让患者能更放心地把自己的敏感问题等隐私告诉AI医生，医患交流的环境也更加融洽。

现在网络医生平台众多，但Ask The Doctor一点儿也不担心，因为正是AI加强了自己的优势。他们正在训练的AI医生，其医疗见解均来自世界一流的专业医生。一流的AI技术能把全球任何 地方的优秀医生的经验吸纳进来。而且，从2011年起，美国国家卫生研究院（NIH）的数据向他们开放，平台上获取的全球患者的医疗需求和问题，也会反馈 给对方，双向交流的结果是，Ask The Doctor获得越来越好的大数据支撑。反过来，这又进一步获得了全球患者的信任。

目前，Ask The Doctor在加拿大多伦多的AI实验室里，全世界最顶尖的AI专家正在努力工作，完善AI医生自动回答问题的功能。

这个新型医疗服务平台的目标是未来3到5年替代谷歌医疗搜索和其他网上医疗信息服务；而终极目标是让全球70亿人更容易获得最好的医疗意见，有更充分的时间来治好病。现在人们使用网络医疗信息服务时，一般都是在把自己的健康状况和上面的零碎知识和文章简单对号入座。而这个平台，是把医生的丰富经验和AI的智能结合，避免人们自己去用少量信息以偏概全、胡思乱想，延误医疗。Ask The Doctor的CEO普拉卡什·昌德（Prakash Chand）信心满满地说:“我们会成为全球的第一道医疗保护线，让患者在令人眼花缭乱的医疗体系中找出正确方向。”

是的，AI在医疗健康领域的广泛使用，会筑起一道道坚强屏障，牢牢守护我们的健康。

如若转载，请注明e科网。

如果你有好文章想发表or科研成果想展示推广，可以联系我们或免费注册拥有自己的主页